Как эффективнее всего получить количество уникальных значений в большом списке `ids`?

Проверяет знание Python и pandas для анализа данных.

Варианты ответа

• перебрать список и делать `if x not in seen: seen.append(x)`
• len([x for x in ids if ids.count(x) == 1])
• sorted(ids), затем посчитать соседние различающиеся элементы
• len(set(ids)) — set строится за O(n) на хешах, дубли отсекаются

Как разобрать этот вопрос на собеседовании

Подумай, какая структура данных и какой инструмент pandas решают задачу с наименьшей сложностью: векторизация вместо циклов, groupby/merge вместо ручных склеек, корректная работа с NaN и типами. Интервьюер смотрит на читаемость кода и на то, понимаешь ли ты, что происходит «под капотом» — копия или вью, сложность операции, утечки памяти на больших данных.

Это базовый вопрос — на собеседовании его задают как разминку и фильтр, поэтому важно ответить уверенно и без заминок.

Тема вопроса — «Python». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: python-тренажёр помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.

Разбор ответа

Получить доступ к ответам — все вопросы →

Что дальше

• Python-тренажёр →
• Все 3000+ вопросов с разбором →

Похожие вопросы из категории «Python»

• В Polars читаешь 5 ГБ Parquet, фильтруешь по одной колонке и группируешь — но грузить весь файл в память дорого. Как заставить библиотеку прочитать только нужные строки и колонки, как это называется и какие оптимизации она даёт?
• Нужно одной операцией посчитать mean и std по 10 колонкам с распараллеливанием и оконными функциями по группам. Чем expression API Polars удобнее цепочки pandas groupby().transform() и какие фичи (over, when/then) это даёт?
• В PySpark JOIN таблицы событий (1 млрд строк) со справочником стран (200 строк) делает дорогой shuffle. Как избежать shuffle, как называется этот тип join и при каком размере правой таблицы он перестанет работать?
• Spark-job на 1 ТБ то падает по OOM, то простаивает половиной воркеров. Как число и размер partition влияют на это, какое правило по размеру держать и что делать с data skew, когда 90% строк с одним ключом?
• Коллега пишет цикл for с append, чтобы отфильтровать и преобразовать список. Когда list comprehension здесь лучше по читаемости и скорости, а когда наоборот выбрать генератор (большие данные, ленивость)?
• Скопировал список списков через copy(), поменял элемент во вложенном списке — и он изменился в оригинале тоже. Почему так и чем copy() отличается от deepcopy()?
• Загрузил CSV в pandas: df целиком — один объект, а df["price"] (одна колонка) — другой. Чем по сути Series отличается от DataFrame и как они связаны?
• Как посмотреть распределение величины в Python?

Тестовые задания

• RFM-сегментация клиентов через NTILE
• Сессионизация событий: 30-минутный таймаут в pandas

Полезные блог-статьи по теме

• ABC-анализ в SQL и Python: формула, примеры, границы
• Python на собеседовании аналитика: pandas-вопросы
• SQL или Python: что учить первым аналитику данных
• Шпаргалка по pandas для аналитика — методы и примеры